Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009
72 2
Nilai Currency
Nilai Bobot Awal
d. Tabel Grafik, Tabel Grafik 2 dan Tabel Grafik 3
Tabel 3.13 Tabel Grafik, Tabel Grafik 2 dan Tabel Grafik 3
No Nama Field Type
Keterangan Fungsi
1 Epoh
Number Jumlah Epoh
Primary Key
2 MSE1
Currency Nilai MSE1
3 MSE2
Currency Nilai MSE2
3.2.4.2 Relasi antar Tabel
Pada rancangan relasi antar tabel akan dibahas beberapa tabel yang
mendukung aplikasi “Jaringan Syaraf Tiruan untuk Prediksi Keputusan Medis pada Penyakit Asma”. Untuk lebih jelas, maka rancangan relasi antar tabel akan
dibagi 3 menurut masing-masing subJST yang mengaksesnya.
a. JST Ketepatan Diagnosa menurut Klasifikasi Asma
Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009
73
Gambar 3.9 RAT pada JST Ketepatan Diagnosa menurut Klasifikasi Asma
Pada gambar 3.9 terlihat ada beberapa tabel-tabel asing yang belum pernah dikenalkan sebelumnya pada sub bab Tabel dan Keterangan. Tabel-tabel tersebut
adalah tabel :
1. Frekuensi Serangan 2. Lama Serangan
3. Intensitas Serangan 4. Di antara Serangan
5. Tidur dan Aktivitas 6. Pemeriksaan Fisik diluar Serangan
7. Obat Pengendali 8. Fungsi Paru diluar Serangan
Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009
74 Tabel-tabel ini tidak berfungsi untuk penyimpanan data, akan tetapi tabel-
tabel ini hanya berfungsi untuk pendukung query tabel lookup.
b. JST Ketepatan Penilaian Beratnya Serangan Asma
Otot-otot bantu napas
PK kode
nama
Sesak napas
PK kode nama
Berbicara
PK kode nama
bljr_masukkan1
PK PK
PK PK
PK PK
PK x1
x2 x3
x4 x5
x6 x7
Target
Bising mengi
PK kode
nama
kegelisahan
PK kode nama
nadimenit
PK kode nama
hsl_bljr2
Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009
75
Gambar 3.10 RAT pada JST Ketepatan Penilaian Beratnya Serangan Asma
Pada gambar 3.10 terlihat ada beberapa tabel-tabel asing yang belum pernah dikenalkan sebelumnya pada sub bab Tabel dan Keterangan. Tabel-tabel
tersebut adalah tabel : 1. Sesak Napas
2. Berbicara 3. Kegelisahan
4. Frekuensi Serangan 5. Otot-otot bantu Napas
6. Bising Mengi 7. NadiMenit
Tabel-tabel ini tidak berfungsi untuk penyimpanan data, akan tetapi tabel- tabel ini hanya berfungsi untuk pendukung query tabel lookup.
c. JST Ketepatan Waktu dalam Meminta Pertolongan Dokter
PK Variabel nilai
bljr_keluaran2
PK target
t1 t2
Fr
ekuensi Pernapasan
PK kode nama
Gejala
PK kode nama
ape sebelum
PK kode
nama
bljr_keluaran3
PK PK
PK x1
x2 x3
terget
bljr_keluaran3
PK target t1
t2
ape sesudah
PK kode
nama
hsl_bljr3
Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009
76
Gambar 3.11 RAT pada JST Ketepatan Waktu dalam Meminta Pertolongan Dokter
Pada gambar 3.11 terlihat ada beberapa tabel-tabel asing yang belum pernah dikenalkan sebelumnya pada sub bab Tabel dan Keterangan. Tabel-tabel
tersebut adalah tabel :
1. Ape sebelum 2. Ape Sesudah
3. Gejala
Tabel-tabel ini tidak berfungsi untuk penyimpanan data, akan tetapi tabel- tabel ini hanya berfungsi untuk pendukung query tabel lookup.
Sedangkan Tabel Grafik, Tabel Grafik 2 dan Tabel Grafik 3 tidak berelasi dengan tabel manapun, karena tabel ini hanya berisi tentang data-data untuk
pembuatan grafik.
3.2.5 Perancangan Prosedural
Perancangan Prosedural merupakan perancangan gambaran proses-proses yang dilakukan. Perancangan ini merupakan implementasi dari bagian struktur
program yang dibuat untuk mencapai tujuan perangkat lunak yang diinginkan.
3.2.5.1 Proses Pelatihan Learning
PK variabel nilai
Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009
77 Proses Pelatihan ini diawali input maxs
imum epoh, Learning rate dan
target error dari pengguna program dengan level kuasa “Tenaga Ahli”.
Selanjutnya Bobot Awal input ke hidden, bias ke hidden, hidden ke output dan bias ke output di-assign dengan nilai random dengan nilai 0 sampai 1.
Setelah tahap assign bobot awal, tahap selanjutnya adalah membuka data pelatihan, dimana data pelatihan ini merupakan keputusan diagnosis dokter
terdahulu dan saran dokter terhadap waktu yang tepat untuk meminta pertolongan dokter yang terdahulu.
Data pelatihan dapat diinputkan menggunakan fasilitas input data pembelajaran pada program aplikasi. Dimana data pelatihan untuk JST Ketepatan
Diagnosa menurut Klasifikasi Asma adalah tabel belajar masukkan 1 dan tabel belajar keluaran 1, data pelatihan untuk JST Ketepatan Penilaian Beratnya
Serangan Asma adalah tabel belajar masukkan 2 dan tabel belajar keluaran 2, data pelatihan untuk JST Ketepatan Waktu dalam Meminta Pertolongan Dokter adalah
tabel belajar masukkan 3 dan tabel belajar keluaran 3.
Tahap berikutnya adalah peng-assign-an epoh dengan nilai 0. Setelah tahap tersebut, maka ada tes percabangan yang mempuyai 2 kondisi sebagai berikut :
a. Epoh = Maxepoh
